ChatGPTデスクトップ版に新音声モード追加、声だけで作業操作が可能に
OpenAIは、ChatGPTのデスクトップアプリに新しい音声モード「ChatGPT Voice」を追加するアップデートを配信開始したと発表した。今月モバイル版に搭載された音声エンジン「GPT-Live」をベースにしており、声だけでチャットや作業タスクを進められるのが特徴だ。
声で会話しながら作業を進行・確認できる
ChatGPT Voiceを使うと、Chat・Work・Codexといった機能をまたいで声で操作できるようになる。新しくチャットやタスクを音声モードで開始したあと、別のスレッドで進んでいる作業について「進めて」「確認して」「方向性を変えて」といった指示を声で出すことも可能という。macOS・Windowsの両方に対応する。
Macだけの追加機能「Appshots」
Mac版ではさらに「Appshots」という機能が使える。これは音声モードと組み合わせることで、いま前面で開いているウィンドウの内容をChatGPTが参照し、より文脈に沿った受け答えができるようにするものだ。加えて、画面操作を代行する「Computer Use」機能やローカルファイル、各種プラグインとも連携して使える。
対応プランと関連アップデート
ChatGPT Voiceはデスクトップ版のPlus、Pro、Business、Edu、Enterpriseの各プランで利用できるとされている。またiOS版の「Remote」機能とも組み合わせて使うことが可能だ。同時に、ローカルのプロジェクトフォルダ機能も改善され、1つのプロジェクトに複数の関連フォルダを紐づけられるようになった。プロジェクトメニューから「Edit project」を選ぶことでフォルダを追加し、メインフォルダを指定できる。新規チャットやGit操作、AGENTS.mdなどの自動検出はこのメインフォルダを基準に行われる仕組みだ。
エンタモ編集部の視点
画面を見ずに複数の作業スレッドを声で行き来できる設計は、AIとの関わり方が「入力するツール」から「並走する相棒」へ移りつつあることを示す。前面ウィンドウを参照するAppshotsは、AIが人間の作業文脈を能動的に読む段階への一歩だ。音声が主要インターフェースになれば、キーボードとマウスを前提としてきたPC作業の常識そのものが問い直されていく。
音声操作が効く場面と、効かない場面
声で操作できることは、常に便利とは限りません。使える場面がはっきり限られる入力方法だからです。
強いのは、手が塞がっているとき、画面を見られないとき、そして長い文章を入力するときです。運転中や調理中、あるいは考えを口に出しながら整理したい場面では、打つより速い。
弱いのは、他人がいる場所です。職場で声に出して指示を出せば、周囲に内容が聞こえます。正確な入力が要る場面も苦手で、記号や固有名詞の多い文章は打ったほうが確実です。
デスクトップは、多くの場合こうした環境で使われます。だからこの機能が効くのは限定的な場面になる。複数のスレッドで進んでいる作業に「進めて」「確認して」と指示するという使い方に絞られているのは、その現実を踏まえた設計に見えます。長い入力ではなく、短い指示を並行して出すための道具、という位置づけです。
出典：9to5Macより。翻訳・要約はエンタモ編集部。